概要
- セマンティック空間の構造を利用したunseen categories識別のための新たなZero-shot learningの手法を提案した.
- 従来のrankingベースなZero-shot learningの手法はfixed marginなどの原因で,セマンティック構造が失ってしまう問題点がある.著者達がZero-shot learningタスクに対し①識別能力②unseen categories識別のためにセマンティック空間の特性をinhertingすることの2つが重要と指摘し,識別能力を保ちながら,セマンティック関係も守れる手法を提案した.
- 具体的には①semantic space構造をカテゴリ間のrelationsに分解する②relationsを更に3種類に分解する:identical; semantic similar; semantic dissimiar.③指定されたカテゴリに対して,semantic tupleを求め, semantic tupleに現状のカテゴリと3種類の関係を持つほかのクラスのサンプルを記録する.また,embedding spaceのこういった関係を保つようなロス関数を設計した.






















































































































































































































































































































































































































































































































































































































































































































それぞれの行が異なるGeneratorによって生成した結果.行はそのGeneratorにランダムなノイズzを入力して生成した結果.マルチビューなデータセットから異なるモードを異なるGeneratorが学習していることを確認できる.























































































































































